一种基于显著性感知和自注意力机制的图像美学评价方法技术

本发明专利技术提出一种基于显著性感知和自注意力机制的图像美学评价方法，涉及深度学习图像处理技术领域，该方法包括：先利用稀缺色域显著性感知和亮度显著性感知进行图像各区域显著性检测，得到图像初步裁剪框，同时基于区域交并比去冗余，将所得裁剪区域送入图像特征提取网络resnet5，获得各图像局部的美学特征向量，利用自注意力机制融合各特征向量并输入分类网络，获得图像的高低质量美学评价结果。本发明专利技术提出了一种新颖的图像裁剪策略，同时在图像美学评价的过程中融合了自注意力机制，提高了模型评价的准确度。了模型评价的准确度。了模型评价的准确度。

【技术实现步骤摘要】
一种基于显著性感知和自注意力机制的图像美学评价方法


[0001]本专利技术涉及深度学习图像处理
，具体涉及了一种基于显著性感知和自注意力机制的图像美学评价方法。

技术介绍

[0002]随着互联网时代的不断深入发展，我们的信息获取来源逐渐由一维文字转向了多维的视觉图片，从而推动了互联网图片数量以井喷式增长。但与此同时，图片质量良莠不齐，给图片展示、推荐、检索等后续应用带来了许多困扰。面对日益激增的海量图片，如何从中选取更符合人眼美学的优质图片成为重大挑战。
[0003]图像美学评价任务是许多图像应用的关键性前置处理过程。对于图像搜索，图像美学评价可以帮助用户过滤质量不佳的搜索结果，提高用户体验；对于图像增强任务，图像美学评价可以提供导向性编辑方案，也可以融合用户个性化美学习惯，提供更加精准的增强技术；对于图像推荐任务，图像美学评价可以作为排序指标之一，以获取更加高效的排序结果。
[0004]图像美学评价问题既关乎个人审美，也有一定的大众评价标准可循。传统美学评价方式大多利用诸如黄金分割等摄影原理手工设计美学特征，并以此进行图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于显著性感知和自注意力机制的图像美学评价方法，其特征在于，所述美学评价方法包括下列步骤：S1、图像输入并进行区域显著性检测，分别计算各像素点的稀缺色域显著性值及亮度显著性值，结合两者得出最终的显著性值分布，并提取出显著性值较高的区域；S2、基于显著性结果进行裁剪，模拟人眼视觉效果，以固定尺寸裁剪出将最具视觉刺激性即显著性最高的区域；S3、并对裁剪区域去冗余，设定区域交并比阈值，并根域交并比将重叠度较高的裁剪区域进行合并；S4、局部图像特征提取，将所得的各裁剪区域图像输入预训练的resnet50网络，获得图像特征向量；S5、特征融合，利用自注意力机制融合各局部图像特征向量，获得融合特征向量；S6、美学评价分类，将融合特征向量输入分类网络，获得最终的图像美学评价分类。2.如权利要求1所述的图像美学评价方法，其特征在于，所述步骤S1中稀缺色域显著性值计算公式为：其中f(n)为灰度特征图，通过将图片转为灰度图并统计每一灰度值n出现的次数可得，d(p,n)为像素点p的灰度值与灰度值n的颜色距离。3.如权利要求1所述的图像美学评价方法，其特征在于，所述步骤S1中亮度显著性值计算公式为：Sal(p)＝f'(g(p))*g(p)其中g(p)为像素点p的灰度值，f
‘
(n)是...

【专利技术属性】
技术研发人员：许曼玲，戴宪华，
申请(专利权)人：中山大学，
类型：发明
国别省市：